Radiology誌に掲載された最近の研究では、放射線科医は2,000枚を超える胸部X線写真から3つの一般的な肺疾患を特定または除外する点で、人工知能ツールよりも優れていることが判明した。 Radiology誌に掲載された研究結果によると、放射線科医は胸部X線写真から3つの一般的な肺疾患を正確に検出する点で人工知能を上回ったという。この AI ツールは高感度ではありますが、誤検知が多く、自律診断の信頼性は低くなりますが、セカンドオピニオンには役立ちます。
北米放射線学会（RSNA）の雑誌「Radiology」に9月26日に掲載された研究結果によると、2,000枚を超える胸部X線写真の研究で、放射線科医は3つの一般的な肺疾患の有無を正確に特定する点で人工知能を上回ったという。
X線撮影の役割
「胸部X線は一般的な診断ツールですが、結果を正しく解釈するには広範な訓練と経験が必要です」と、デンマーク・コペンハーゲンのヘルレブ・ゲントフテ病院放射線科の研修医で博士研究員でもある主任研究員ルイス・L・プレスナー医学博士は述べた。
放射線科医を支援する FDA 承認の AI ツールは市場にありますが、放射線診断のための深層学習ベースの AI ツールの臨床応用はまだ初期段階にあります。 「放射線医学での使用が承認される人工知能ツールが増えていますが、これらのツールを実際の臨床シナリオでさらにテストするという満たされていないニーズがあります」とプレスナー博士は述べた。 「AI ツールは放射線科医による胸部 X 線写真の読影を支援できますが、その実際の診断精度は依然として不明です。」
(A) 両側の線維化を示す進行性の呼吸困難のために放射線検査に紹介された 71 歳の男性患者の後前胸部 X 線写真 (矢印 B)。生後1か月の咳のために放射線検査に紹介された31歳の女性患者の前前方胸部X線写真には、右心臓境界に微妙な空隙混濁が見られます（矢印）。 (C) 中心静脈カテーテル留置後に紹介された 78 歳の男性患者の前胸部 X 線写真には、右の皮膚のひだ (矢印) が示されています。 (D) 気胸の除外のために紹介された 78 歳の男性患者の後前胸部 X 線写真には、右心尖部に非常に微妙な気胸 (矢印) が示されています。 (E) 特別な理由もなく放射線検査のために紹介された 72 歳の男性患者における肋横隔角の慢性的な丸み (矢印) を示す、前後方向の胸部 X 線写真。 (F) うっ血および/または肺炎の疑いで紹介された 76 歳の女性患者の前胸部 X 線写真には、胸部の左側に非常に少量の胸水 (矢印) が示されていますが、これは前胸部 X 線写真で胸水を分析する 3 つの AI ツールすべてでは見逃されていました。出典: 北米放射線学会
研究結果
プレスナー博士と研究チームは、2020年にデンマークの4つの病院で2年間にわたって連続撮影された2,040枚の成人胸部X線写真の読影において、4つの市販の人工知能ツールと72人の放射線科医のパフォーマンスを比較した。患者集団の年齢中央値は72歳であった。胸部 X 線サンプルのうち、669 (32.8%) に少なくとも 1 つの標的所見がありました。
胸部 X 線検査は、気細胞疾患 (肺炎や肺水腫などによって引き起こされる胸部 X 線検査のパターン)、気胸 (肺の虚脱)、および胸水 (肺の周囲に水の蓄積) の 3 つの一般的な所見について評価されました。
AI ツールの感度は、気道疾患に対して 72% ～ 91%、気胸に対して 63% ～ 90%、胸水に対して 62% ～ 95% でした。
「AIツールは、胸部X線検査で空域疾患、気胸、胸水の検出において放射線科医に匹敵する中程度から高い感度を示した」と同氏は述べた。 「しかし、彼らは放射線科医よりも多くの偽陽性結果（病気が存在しないのに病気を予測すること）を生み出し、複数の所見やより小さな標的が存在する場合にはパフォーマンスが低下しました。」
予測値の比較
気胸の場合、AI システムの陽性的中率 (スクリーニングで陽性となった患者が実際に気胸である確率) は 56% から 86% の範囲でしたが、放射線科医の場合は 96% でした。
「AIは気胸疾患の特定において最も性能が悪く、陽性的中率は40～50パーセントでした」とプレスナー博士は述べた。 「この困難な高齢患者サンプルにおいて、AI は 10 回中 5 ～ 6 回、存在しないエアギャップ疾患を予測しました。その速度で AI システムを単独で動作させることは不可能です。」
放射線科医の目標は、重大な疾患の見落としを回避し、過剰診断を回避するために、疾患を検出する能力と除外する能力のバランスをとることです。 「AIシステムは病気の検出には非常に優れているようだが、特に胸部X線写真がより複雑な場合には、病気の有無を判断することに関しては放射線科医ほどではない」と同氏は述べた。 「偽陽性診断が多すぎると、不必要な画像処理や放射線被ばくが発生し、コストが増加する可能性があります。」
通常、ほとんどの研究では、単一の病気の有無を判断する AI の能力を評価する傾向があり、これは、患者が複数の病気に苦しむことが多い現実の状況よりもはるかに簡単です。 AI が放射線科医よりも優れていると主張したこれまでの研究の多くでは、放射線科医は患者の病歴や以前の画像研究についての知識を持たずに画像を閲覧するだけでした。日常診療において、放射線科医による画像検査の解釈は、これら 3 つのデータ ポイントの複合体です。研究者らは、次世代の AI ツールがこの種の合成も実行できればさらに強力になる可能性があると推測していますが、現在そのようなシステムは存在しません。
「私たちの研究では、さまざまな患者を扱う現実世界のシナリオでは、放射線科医が一般に AI よりも優れたパフォーマンスを発揮することが示されています」と彼は言いました。 「AI システムは正常な胸部 X 線写真を効果的に識別できますが、AI が自律的に診断を行うべきではありません。」
プレスナー博士は、これらの人工知能ツールにより、胸部 X 線写真をもう一度見ることで、放射線科医の診断に対する自信が高まると述べました。